陈玉强-中原银行实时风控体系建设实践（23页 PPT）

微信扫码，打开到小程序

中原银行实时风控体系建设实践 Construction practice of real-time risk control system of Zhongyuan bank 陈玉强 中原银行数据银行部 河南省唯一省级法人银行 贴心、专业、合作、共赢 服务战略、服务实体、服务企业、 服 务人民 • 蝉联六年《金融时报》 “年度十佳城市商业银行” ，相继荣获“铁马 十佳银行 ”、“最佳上市公司 ”、“年度卓越城商行 ”等称号 • 2021 年《银行家》全球 1000 大银行排 185 名 • 2021 年《财富》 中国 500 强，在入围的商业银行中排名第 24 名 总资产 7530.02 亿 营业网点 494 家 中原银行业务发展概 况 分行 18 家 村镇银行 9 家 #1 #2 #3 #4 建设背景 选型 & 架构 应用场景 建设成 效 反欺诈 申请 从个人 / 企业主体，转变为黑 产主体。 交易 从一方欺诈演变成更加隐 蔽、实时的三方欺诈。 营销 从个人 / 团体行为薅羊毛，到 职业化的漏洞挖掘与利用。 贷前信审 信贷产品竞争加剧，机器学习可以 挖掘边界客户，实现精准授信。 贷中风控 数据指标变化快，需要实现实时 化的再审核与放款。 贷后管理 贷后管理难度大，需要多种新技 术发现隐性风险，提高管控度。 操作风险 随着银行线上化能力的增强，操 作风险识别从预防人员不合规操 作转为线上流程漏洞和异常行为 识别等。 流动性风险 从线下的，面向审批的逐步转 向实时的智能决策。 银行数字化风控新挑战 授信 运营 实时化不 足 银行传统风控的痛点 数据流通受限 精准度不够 智能化 专家规则 + 机器学 习 平台化 实时化 全新的风控支撑体系建设思路 平台开放、架构融 合 高时效、高并发 建设 Flink 实时计算平台 ，首个应用上线； 商业决策系统已支撑 150+ 规则模型； 2020 Q2 应用 • 基于 Flink 的反欺诈应用上线； • 自主研发企业级智能决策平台 ( 智策平台 ) ； 2021 Q4 • Flink 任务 220+ ； 体系 • 智策平台承接规则模型 130+ ； • 算法 + 专家规则模型联合编排； • ModelOps 模型统一管理； • Flink 任务 70+ ；应用场景：事件驱动、 实时营销、反欺诈、实时 OLAP … … • 智策平台承接贷中调额、风险定价、直 销银行等需求 ，逐步替换商业决策系统； 中原银行实时风控技术演进历程 • 探索基于 Flink 技术金融应用； • 引入国外商业决策系统； • • 2019 试点 2020 Q4 推广 2018 探索 标准化 • 构建风控领域数据服务 API 标准 • 构建风控模型 API 标准 场景化 • 支持低代码开发，快速部署实施 • 弹性架构支持三大类场景 ModelOps • 模型全生命周期线上化 ， 提升 风控模型可管理性 平台化 • 统一的 FlinkSQL IDE • 统一实时指标、特征开发管 理 实时化 • 毫秒级 : 事中风控 <50ms • 秒 级 : 准实时风控 < 5s 智能化 • 规则引擎 • 机器学习 • 联合编排 实时风控体系能力模型 3 6 1 2 4 5 #1 #2 #3 #4 建设背景 选型 & 架构 应用场景 建设成 效 PMML 模型文件 Python 模型文件 模型服务调 用 决策集 评分卡 决策树 决策表 预计算 聚合计算 灵活窗口 实时指标库 实时计算技术 数据清洗 数据加宽 实时维表 窗口计算 指标引擎 规则引擎 模型引擎 实时风控技术选型 Connector Kafka RDBMS RESTful API IM 消息 Kafka RDBMS RESTful API Quartz Socket 模型编排 (DAG) 变量管理 决策集 决策表 版本管理 评分卡 决策流 PMML 模型 Python 模型 ModelOps API 服务管 理 预计算 计次 / 最值 聚合计算 窗口计算 实时指标库 规则引擎 模型引擎 指标引擎 ServiceMesh Docker K8s 云原生 SpringCloud Flink Sink Flink SQL Flink Jar on K8s on YARN 实时计算 对象存储 Linux/VM 输出层 计算层 接入层 运行态 智能风控体系方案：技术架构 SQL 评分 血缘分析 监控告警 网关分流 Nacos 行为轨迹 系统服务层 内外指标计算 实时风控弹性架构： 全场景解决方案 智策平台 模型编排 实时计算平台 (Flink) 业务 系统 外部数据平台 指标引擎 规则引擎 实时风控 实时特征 工程 模型引擎 离线特征工程 机器学习平台 数据服务平台 离线数仓 模型训练 模型推理 指标 API 数据 API 数据湖 #1 #2 #3 #4 建设背景 选型 & 架构 应用场景 建设成 效 关联图谱 整体业务成效： 目前已经覆盖 14 个交易渠道 105 类场景； 日均预警交易 9500 笔，阻断 1500 笔； 实时数据 实时行为指 标 实时交易指标 实时维表 外部数据 运营商数据 工商数据 法院数据 设备数据 线上开户 转账支付 贷款申请 外出开卡 厅堂冲正 营销活动 阻断 放行 预警 通知 加强验证 数据 交易请求 业务场景：反欺诈 可 信 可 疑 高 危 机器 / 深度学 习 模型 营销模型 申请模型 交易模型 智策平台 机器学习平台 离线特征工程 离线数仓 (GaussDB) 数据服务平台 外部指标缓存 （ HBase ） 零售电子 渠道整合 系统 技术架构：反欺诈 数据湖 (Hudi 、 Iceberg) 实时计算平台 (Flink) 交易线 数据 知识图谱 API (ArangoDB) 指标引擎 模型引擎 模型编排 (DAG) 客户画像 API 规则引擎 模型训练 模型推理 智策平台 Binlog RESTful Kafka ETL 智策平台 业务成效 贷前： • 覆盖了信用卡、 小微、对公、场 景信贷等 50+ 授 信场景； 贷中、事后： • 覆盖了信用卡、 小微贷后管理场 景； • 日均处理批量数 据 850 万条； 运营商数据 工商数据 法院数据 设备 / 客户 账户 / 交易 机构 / 柜员 指标数据 业务场景：授信 信用卡申请 额度测算 贷中预警 房产估值 贷后管理 小额授信 风险分级 逾期催收 人工核实 发卡 授信发放 行为评分 (B 卡 ) 催收评分 (C 卡 ) 申请评分 (A 卡 ) 实时信贷指 标 离线信贷 数据 贷中 贷后 逾期应对模型 交易行为指标 临期 / 逾期指 标 额度调整 预警管理 离线数 据 外部数据 贷前 机器学习平台 离线特征工程 贷中 / 贷后指标 （ HBase ） 机器学习模型 调用 技术架构：授信 数据湖 (Hudi 、 Iceberg) 贷前：实时指标 业务 系统 外部数据平台 内外指标计算 规则引擎 贷前授信 离线指标 离线数仓 (GaussDB) 模型引擎 模型编排 (DAG) 数据 线 交易线 数据服务平台 模型训练 模型推理 智策平台 ETL 业务成效： • 支撑了包括 20+ 风险运营场景； 智策平台 员工行为实时指标 科目 / 柜员 / 业务类指标 运营风险指 标加工 业务场景：运营风险 机器 / 深度学习 模型 事后风险监控核实 风险特征挖掘 风险分级分类 风险统计分析 黑白名单录入 批量 实时 风险预 警 模型 客户异常操作 柜员操作 运营管理 异常交易 信贷管理 离线数仓 (GaussDB) 技术架构：运营风险 各类业务类指标 (HBase) 机器学习模型 调用 业务 系统 会计运营系统 数据湖 (Hudi 、 Iceberg) 规则引擎 离线指标 离线特征工 程 模型引擎 模型编排 (DAG) 机器学习平台 数据服务平台 模型训练 模型推理 智策平台 ETL #1 #2 #3 #4 建设背景 选型 & 架构 应用场景 建设成 效 • 对接 14 个渠道 105 类场景； • 管控 1 万 + 高危账户，拉黑高危设备、 IP 、手机号、银行卡共 7 万 + ； • 阻断转出资金超千万元 ，拦截电信诈骗风险事件 20 余起。 运营 • 会计运营： 处理运营风险数据约 30 万； • 数据安全行为分析：每天 Flink 处理约 3000 万条行为数据； 授信 • 支撑了贷前、贷中、贷后全周期的信贷场景； • 服务于行内额度评估、风险定价、贷后预警等 50+ 场景； 成效：业务成效 反欺诈 成 效 3 平台化 • 数据：通用的接口 API 和批 量数据接入能力； • 使用： 规则开发、 指标加 工、 AI 模型引入流程化； • 生态：快速与相关系统协 作 ， 满足特定场景需要； • 合规：通过 ModelOps 对上 线审批、模型资产 、迭代优 化等全生命周期管理。 2 智能化 • 专家规则 +AI 模型； • 反欺诈等场景每天调用 AI 模 型服务近千次； • 运营风险场景、数据安全行 为分析、 故障检测等场景每 天调用 AI 服务 2 万 + 次。 1 实时化 • 接口请求 5w/ 天，平均耗时 28ms ；批量数据 1300w/ 天 ， 单 Pod TPS 约 450(20 个 rule) ； • 95% 以上规则 + 模型耗时在 3s 内； • Flink 日均处理数据 2.5TB 。 成效：技术成效